基于“粉絲經濟”的自媒體社群用戶消費意愿研究

谷斌++李晴琳

內容提要：通過對“粉絲”培養機制及消費意愿的產生做出定量分析，提出影響自媒體社群用戶消費意愿的因素包括忠誠度、歸屬感、轉變成本、信息效用、信任度、服務質量、物質激勵、社交價值、形象表現、娛樂感等，個人感知、群體意識、利益需求是影響自媒體社群用戶消費意愿的綜合指標，根據這3個綜合指標可將自媒體社群用戶分為4類用戶。本文針對每類用戶特征提出社群“粉絲”的經營建議，以期得出促進用戶消費的大體決策方向，旨在為相關在線社群經營決策提供參考。

關鍵詞：“粉絲經濟”；自媒體社群；消費意愿； K-means聚類

中圖分類號：F71355 文獻標識碼：A 文章編號：1001-148X（2017）03-0008-06

近年來“粉絲經濟”在自媒體領域成為熱門，只要是對某一項事物有著相當高的熱情并能夠為之投入精力的行為就被稱為“粉絲行為”，倘若基于興趣組成的自媒體社群可以將自己的用戶發展成為“粉絲”，通過“粉絲”提高社群優勢品牌的知名度，擴大社群在虛擬網絡中乃至實際社會中的影響力，就可挖掘關注社群的潛在用戶，逐步提高活躍用戶的社群消費意愿，增加銷售產品或服務盈利使社群不斷經營下去。本文利用數據挖掘技術分析“粉絲”的轉變過程及產生消費意愿的影響因素，以期得出促進用戶消費的大體決策方向，為相關在線社群經營決策提供支持。

一、研究基礎與調研設計

“粉絲”在日常生活中更多地體現為對某種事物的“熱愛”與“忠誠”行為，普通自媒體社群用戶向“粉絲”的轉變及消費意愿的產生更多地依賴于網絡的信息傳播和社會心理。由于個人的行為意圖是行為態度和主觀規范共同作用的結果，消費者行為意愿受到個人態度、感知行為控制和主觀規范的影響，其中感知行為控制是個體對自我行為的控制能力，虛擬社群中體現為轉換社群的成本，行為控制能力越強，掌握資源越多，轉換社群成本越高。因此，本文從個體態度和行為控制方面對消費意愿影響因素進行探討，其中個人態度包含忠誠度、歸屬感、信息效用、信任度、服務質量、娛樂感。個人的積極性與其歸屬感和忠誠度有關，用戶對虛擬社群的歸屬感越高、越忠誠，則愿意為虛擬社群付出的精力就會越多，接受虛擬社群推送的意愿就越強，消費意愿就會越高。個人對信息的有用、易用感知以及對信息安全性感受也會直接與用戶持續使用社群并產生消費意愿有關系。假如用戶認為社群推送的信息是無效的，并且在信息共享與傳播過程中認為存在個人信息泄露的風險，那么用戶在虛擬社群中產生購買意愿的可能性將會降低；相反，如果信息是有效的，在日常生活中可娛樂用戶，且能夠保證信息安全，則用戶在虛擬社群中產生購買意愿的可能將會提高。

（一）模型構建

根據文獻得到多個變量后，通過主成分分析方法等數據挖掘技術將這些變量降維，盡量整理成少數的綜合性影響因素，再根據多元線性回歸理論將這些綜合性影響因素整理成線性函數，以便為K-means聚類分析提供基礎。

1.主成分分析。主成分分析是降維及解釋變量的過程[1]，即主成分分析是用k個最能代表數據變量信息的n維正交向量表示由p個屬性或維描述的元組或數據向量的過程，其中k≤n，即主成分分析的線性變化[2]如（1）式：

采用新變量P1來代替原來的p個變量X11、X12 …X1P，P1為第一主成分，包含盡可能多的變量信息，其方差為λ1，并且λ1λ2λ3…λP，如果第一主成分不足以解釋大多數的變量，則引入第二主成分P2。若第二主成分還是不能更好地解釋絕大多數變量，則引入第三主成分P3。如此類推直至大多數變量信息能過被解釋為止。PP通常使用協方差矩陣∑或相關矩陣R來判斷，其解釋方差累計貢獻率如（2）式，其中λ為∑或R的特征值，p為主成分數，i為全部主成分數。

方差累計貢獻率= ∑mP=1λP/∑ni=1λi（2）

2.聚類分析。K-means聚類算法以自己設定的簇數為基準來劃分，并確保簇內相似度較高、簇間相似度較低，簇的相似度用簇中對象的均值來衡量，步驟為：首先，決定簇數k和初始凝聚點，根據每個對象到初始凝聚點的距離確定初始簇。計算每個初始簇的均值，根據每個對象到均值的最短距離進行分配，形成新的簇，不斷重復這個過程，直至簇不變為止。其次，簇要滿足誤差平方和E最小的條件，E可由（3）式算得，其中p為空間中的點，Ci為第i個簇，ci為Ci簇的形心。

（二）調查方案

為了調查基于“粉絲經濟”的自媒體社群用戶消費意愿，本文在中國最大的在線調查平臺問卷星上發布問卷，邀請關注自媒體社群的用戶參與回答，這里的自媒體社群包括基于各種興趣愛好而建立的微博、微信群、QQ群、博客、論壇等。問卷包括基本信息和主要調查信息，其中基本信息包括性別、年齡段、學歷、家庭月收入、每周平均上網時間、成為每個自媒體社群成員時間、每周平均訪問自媒體次數、訪問時平均滯留時間，樣本描述情況如表1所示。表1問卷結果顯示被調查對象年齡集中在35歲以下，派發問卷200份，回收問卷數量為184份，排除無效問卷及答卷時間少于55秒的問卷（其中55秒是研究小組隨機邀請6名受試者最短答題時間），共獲得有效問卷165份。

（三）調查問卷

問卷主要調查信息包括忠誠度、歸屬感、轉變成本、信息效用、信任度、服務質量、物質激勵、社交價值、形象表現、娛樂感，每個方面有多個影響變量（見表2），其中服務質量參考楊冠淳和盧向華[3]的研究，物質激勵參考周志民[4]的研究，社交價值參考Yu等[5]的研究，娛樂感、信息效用參考唐莉斯和鄧勝利[6]的研究，信任度參考寧連舉和張玉紅[7] 的研究，忠誠度、形象表現參考金立印[8] 的研究，歸屬感參考Blanchard和Markus[9]的研究，轉變成本參考Imperial和Rodriguez-Navarro[10]的研究。本文在設計問卷過程中使用Likert五點量表計分，最低分為1分，最高分為5分，分數由低至高分別表示含義為非常不符合、不符合、不確定、符合、非常符合，消費意愿用購買意愿與重復購買意愿來描述。

二、影響社群用戶消費意愿的主成分分析

（一）KMO和巴特利特球度檢驗

對量表的30個因素進行KMO和巴特利特檢驗，KMO值為0951，大于07，巴特利特的近似卡方值為4 832745，對應概率值P=0000<001，原始變量之間存在相關性，說明本文采用的調研數據適用于因子分析。

（二）確定公因子

KMO和巴特利特球度檢驗表明調研數據可作因子分析，可利用SPSS190對30個變量作相關系數矩陣分析，通過對初始特征值的觀察可以看到前3個公因子的特征根均大于1，且累計方差貢獻率約為70%，說明這3個公因子所代表的信息基本上能夠解釋原始數據所表達的信息，數據能夠很好地解釋自變量。所以，可以用3個公因子代替原來的30個影響因素。為了更好地用原始變量來解釋各個公因子的含義，按照方差極大法對因子進行旋轉，并將數值大于05的因素歸為一類。第一個公因子在F1、F2、F3、F4、S1、S2、S3、Y1、Y2、Y3、XX1、XX2、G1、G2、Z1上有較高載荷，根據對F1、F2…Z1因子的含義分析，第一個公因子用個人感知表示；第二個公因子在X1、X2、X3、XR1、XR2、XR3、XX3、Z2、Z3、ZH2、ZH3上有較高載荷，根據對X1、X2…ZH3的含義分析，第二個公因子用群體意識表示；第三個公因子在W1、W2、W3、ZH1上有較高載荷，根據對W1、W2…ZH1，第三個公因子用利益需求表示。

綜上所述，自媒體社群用戶“粉絲”轉變與消費意愿的產生是與個人感知、群體意識和利益需求有關的，如果管理者社群經營過程中想要通過社群品牌吸引廣大用戶，進而促進社群產品或服務的銷售量增長，在平日與用戶進行交流時就要考慮到個人感知、群體意識和利益需求對用戶的影響。

（三）主成分回歸

通過上一步因子分析找到了原始數據的公因子，即個人感知、群體意識、利益需求，這三個綜合影響指標對用戶向“粉絲”的轉變起到至關重要的作用，如果自媒體社群想增加用戶粘性、提高用戶對社群親密度，就可從這三方面入手，但它們是否能增加社群用戶的消費意愿需要通過主成分回歸來作進一步的探討。根據之前介紹的主成分分析方法可知3個公因子是主成分分析變換后的新變量，可以直接對這些公因子作主成分回歸。表3表示根據原數據得出的主成分，可以看到個人感知是第一主成分，方差貢獻率為31621%；群體意識是第二主成分，方差貢獻率為24099%；利益需求為第三主成分，方差貢獻率為1383%。對反映消費意愿的兩個因素值作均值處理，得到反映消費意愿的綜合指標YY，并將YY和公因子1、公因子2、公因子3作相關分析得到表4所示結果，并得知個人感知、群體意識、利益需求在001的置信水平上與消費意愿顯著相關，相關系數分別為0538、0459、0415。因此，可對消費意愿、個人感知、群體意識和利益需求作回歸分析。

以消費意愿為因變量，以個人感知、群體感知、利益需求為自變量做回歸分析，得到下列線性回歸模型。其中，消費意愿的判定系數R2為082，標準估計誤差為058，說明該模型能夠較好擬合數據，并且消費意愿的F=110433，P值為0000，模型總體上是顯著的。對于自變量，個人感知系數為0538，T值為1194，P值小于001，可見個人感知是顯著影響消費意愿的。群體意識系數為0459，T值為10186，P值小于001，可見群體意識是顯著影響消費意愿的。利益感知系數為0415，T值為9218，P值小于001，可見利益需求是顯著影響消費意愿的，主成分回歸方程表示如（4）式所示。

Y個人消費意愿=0538*X個人感知+0459*X群體意識+0415*X利益需求（4）

當群體意識和利益需求不變時，個人感知增加1個單位，個人消費意愿增加0538個單位；當個人感知和利益需求不變時，群體意識增加1個單位，個人消費意愿增加0459個單位；當個人感知和群體意識不變時，利益需求增加1個單位，個人消費意愿增加0415個單位。從（4）式可知個人感知對個人消費意愿的影響與其他兩個因素相比較大，群體意識與利益需求對個人消費意愿的影響相當，在社群經營過程中可針對個人感知提高社群的服務水平。

三、影響社群用戶消費意愿的聚類分析

聚類分析方法是一種無監督學習方法，不需要通過對訓練集的學習構造分類器，反映的是數據本身的特性。根據之前介紹的聚類分析方法，基于上一步主成分分析得到的公因子，對調查的自媒體社群用戶進行劃分，以期獲得對待不同類型用戶的策略。在進行聚類分析之前需要對數據進行標準化處理，從而獲得均值為0、方差為1的無量綱數據。對于簇數，相關美國數字營銷專家根據網絡社群的參與度將社群用戶分為5類，分別是外圍的人、新手、?？汀㈩I導、出走的人。本文將簇數取為5，表5、表6顯示每類樣本數及最終類中心變量值。

個人感知、群體意識、利益需求的類中心變量值越大，說明自媒體社群用戶對綜合指標關注度越高。從表5、表6可以看出每一類用戶對個人感知、群體意識、利益需求是不太相同的。從表5中可以看出第三類用戶的樣本量只有1個，通過多次不同簇數的聚類其樣本量依然為1，本文在這里將這個樣本視作聚類的離群點，最后用戶分為4類，分別為外圍者、利益驅動者或資格老人、社群新手、社群“粉絲”。

外圍者即表6中的第一類用戶，其樣本數比例為3273%，這類用戶對個人感知、群體意識、利益需求都不是很關注，所占比例也比較高。外圍者在日常生活中不太注重自媒體社群便利性，不經常自發地與社群成員進行交流，對社群及社群成員的信任度比較低，他們習慣在各種社群進行切換，不會長時間駐留。他們可能只是因為每個話題而關注社群，一旦話題熱度不再就會迅速降低關注。所以，針對該類用戶要盡量做好社群內容，持續不斷地引起熱門的話題，幫他們培養關注社群的習慣，并且廣告式的推薦與宣傳會導致用戶的大量流失，讓社群失去規模經濟的優勢。因此，不太建議在一開始就鼓動用戶積極消費。

利益驅動者或資格老人即為表6中的第二類用戶，其樣本所占比例十分低。利益驅動的用戶比較關注利益需求，對個人感知與群體意識比較忽視。社群各類折扣、積分返回等物質利益是吸引他們關注社群的目的，如果一個自媒體社群是品牌類的社群則可以通過在特定節假日發放優惠來吸引他們的注意。除此之外，這類用戶也可能是社群里的資格老人，資格老人在社群里的權利較大和地位較高，由于他們已經將注意力放在了新的自媒體社群上，對舊社群的精力投入大大下降，出發點從以前的精神追求轉變為物質需求。要想這部分用戶回流并產生消費意愿，就要有針對性地給予他們其他社群成員沒有的優惠，讓他們感覺自己在該社群可獲得的利益比其他社群更多，所獲得的特權也更多。利益驅動者或資格老人在此次調查中所占比例相當的低，可能是與樣本容量的大小有關，也可能是因為這類用戶的人數本來不多。

社群新手即為表6中的第四類用戶，他們關注個人感知，群體意識薄弱，對利益的需求較低。這類用戶通常對自媒體社群的使用便利性要求比較高，期望與他人交流的同時又不希望有過深的接觸，比較希望得到有趣的、有用的資訊，社群的歸屬感與忠誠度比較強。社群新手是成為社群“粉絲”的潛力股，對社群的活動比較積極，也能夠做到努力分享。針對這類用戶的做法是精準營銷，根據用戶點擊率推送他們喜歡的內容，選擇在逢年過節盡可能舉辦相關活動吸引他們參與，可以根據他們偏好的內容推出相關產品與服務的推薦清單，在提高他們消費動力的同時讓用戶感受到社群的貼心，并且在與社群新手的互動中通過定期社群活動的舉辦逐步提高社群新手的群體意識，讓社群新手不經意間向社群“粉絲”靠近。

社群“粉絲”即為表6中的第五類用戶，他們對個人感知、群體意識、利益需求比較關注，是自媒體社群的?？突蚴枪芾碚?。這類用戶對自媒體社群有著較強的歸屬感和較高的忠誠度，平日對社群所投入的精力較大，屬于社群的“鐵粉”。自媒體社群若想不斷地經營下去或從中取得收益，必須依靠這類“粉絲”的鼎力支持。在web20時代，針對“粉絲”對社群的情感聯結和自身個性化的需求，在自媒體社群的日常經營里必須利用好用戶生產內容的模式，讓“粉絲”自發地為社群宣傳產品與服務。“粉絲”行為實際是口碑營銷和病毒式營銷的表現，具有影響力的“粉絲”數量的增長可以增加社會網絡類中心節點的數量，可以提高更多外圍者和新手的積極性，可以讓更多對社群感到陌生的用戶認識并了解到加入社群的樂趣。

四、總結

“粉絲”的消費能力有目共睹，通過對“粉絲”培養機制及消費意愿的產生做出定量分析，提出影響自媒體社群用戶消費意愿的因素包括忠誠度、歸屬感、轉變成本、信息效用、信任度、服務質量、物質激勵、社交價值、形象表現、娛樂感等，個人感知、群體意識、利益需求是影響自媒體社群用戶消費意愿的綜合指標，根據這3個綜合指標將自媒體社群用戶分為4類用戶，針對每類用戶特征提出了社群“粉絲”的經營建議。期望本文對相關在線社群經營決策有參考價值。

參考文獻：

[1]韓家煒，坎伯. 數據挖掘：概念與技術[M].北京：機械工業出版社，2001：100，103.

[2]公麗艷，孟憲軍，劉乃僑，等. 基于主成分與聚類分析的蘋果加工品質評價[J].農業工程學報，2014（13）：276-285.

[3]楊冠淳，盧向華. 促進用戶粘性的虛擬社區技術與管理設計創新——基于實證的研究[J].研究與發展管理，2009（5）：29-38.

[4]周志民. 基于品牌社群的消費價值研究[J].中國工業經濟，2005（2）：103-109.

[5]Yu J， Jiang Z， Chan H C. Knowledge contribution in problem solving virtual communities：the mediating role of individual motivations[C]//ACM Sigmis Cpr Conference on Computer Personnel Research 2007， April 19-21， 2007， St. Louis， Missouri， Usa. DBLP， 2007：144-152.

[6]唐莉斯，鄧勝利. SNS用戶忠誠行為影響因素的實證研究[J].圖書情報知識，2012（1）：102-108.

[7]寧連舉，張玉紅. 虛擬社區感對用戶忠誠度影響的實證研究[J].技術經濟，2014（11）：7-15+35.

[8]金立印. 虛擬品牌社群的價值維度對成員社群意識、忠誠度及行為傾向的影響[J].管理科學，2007（2）：36-45.

[9]Blanchard A L， Markus M L. The experienced “sense” of a virtual community [J].Characteristics and Processes， 2004，35（1）：64-79.

[10]Imperial J， Rodríguez-Navarro A. Usefulness of Hirschs h-index to evaluate scientific research in Spain[C]//Scientometrics，2007：271-282.

Research on We-Media Community Users′ Consuming Intention based on

“Fan Economy”

GU Bin，LI Qing-lin

（School of Economics and Commerce， South China University of Technology， Guangzhou 510006， China）

Abstract：Through the quantitative analysis of training mechanism and consuming intention occurence of “fans”， the paper gets the factors that affect the user′s willingness to consume in We-Media community include loyalty， sense of belonging， transition cost， information utility， trust， service quality， material incentives， social value， image manifestation， sense of entertainment， etc. Personal perception， group consciousness and interest demand are the comprehensive indicators that affect consumers′ willingness to consume in the We- Media community， and users can be divided into 4 categories according to these 3 indicators. This paper proposes the management suggestions for maintaining users based on the feature of “fans”， in order to get the overall decision-making direction to promote consuming and provide a reference for making management decisions of relevant online community.

Key words： “fan economy”； We-Media community； consuming intention； K-means cluster

（責任編輯：關立新）